视觉分类器驱动多维数据交互探索框架.pdfVIP

基于视觉分类器支持的大规模数据反馈驱动交互探索

Michael

Behrisch

IEEE学生会员,

Fatih

Korkmaz,

Lin

Shao

与

Tobias

Schreck

IEEE会员

——

从多变量或数据中提取相关且有意义的信息是一个具有性的问题。之一在于，可能包含相关信息的潜在表示方式数量会随着数据

维度的增加呈指数级增长。此外，对于特定分析任务或用户而言，并非所有来自可能庞大视图空间的视图都具有潜在相关性。焦点+上下文或

语义缩放界面在一定程度上能帮助高效搜索感的视图或数据片段，但对于超大规模数据集仍存在可扩展性问题。因此，用户着识别有

趣视图的难题，而手动探索整个视图空间会变得低效甚至不可行。虽然近期已有某些质量指标被提出用于识别潜在有趣视图，但这些指标通常

以启发式方式定义，并未考虑应用场景或用户上下文。我们受信息检索中相关性反馈方法的启发，提出了一种反馈驱动的视图探索框架。其核

心思想是：当用户面对候选视图时，通过迭代方式表达其偏好概念。基于这些反馈，系统将训练反映用户偏好的模型，并用于推荐更多潜

在有趣的视图候选。决策支持系统会探索过程，评估相关性驱动搜索的收敛性与稳定性。我们实现了该框架在散点图空间视觉特征